老年护理中陪伴机器人的服务体验:从社交归属感的角度来看
《Journal of Retailing and Consumer Services》:Service experiences with companion robots in older adult care: A social belonging perspective
【字体:
大
中
小
】
时间:2026年10月24日
来源:Journal of Retailing and Consumer Services 13.7
编辑推荐:
**摘要**
在体化机器人技术和大型语言模型的进步推动下,伴侣机器人逐渐融入老年人的护理环境中,成为支持其生活质量的一种有前景的智能技术。本研究基于认知-情感-意向(CAC)模型,构建了一个理论框架,用以探讨老年人对伴侣机器人互动的感知、社会归属感与采用意愿之间的关系。通过针
**摘要**
在体化机器人技术和大型语言模型的进步推动下,伴侣机器人逐渐融入老年人的护理环境中,成为支持其生活质量的一种有前景的智能技术。本研究基于认知-情感-意向(CAC)模型,构建了一个理论框架,用以探讨老年人对伴侣机器人互动的感知、社会归属感与采用意愿之间的关系。通过针对与伴侣机器人有过互动的老年人居民的实地定量调查收集服务体验数据。偏最小二乘结构方程建模(PLS-SEM)分析显示,与伴侣机器人互动的四个感知特征——拟人化、尊重、自主性和社交支持——与老年人的社会归属感呈正相关;较高的社会归属感又与采用伴侣机器人的意愿正相关。社会归属感在伴侣机器人服务感知的四个维度与采用意愿之间的关系中起到了中介作用。此外,人工智能素养对社交归属感与采用意愿之间的关系具有调节作用。从社会归属感的角度出发,本研究阐明了伴侣机器人服务感知与老年人在这类智能化护理环境中的心理和行为体验之间的关联。这些发现为希望改善服务体验的养老机构以及优化伴侣机器人拟人化设计和社会响应性互动功能的开发者提供了实践指导。
**引言**
全球老龄化人口为老年人护理带来了严峻挑战,尤其是在满足其健康、社交和心理需求方面(Liu et al., 2021; Ilkka et al., 2025)。根据世界卫生组织的数据,预计到2050年,60岁及以上的全球人口将达到21亿,其中80岁及以上的人口将达到4.26亿(1)。随着对老年人护理服务的需求持续增长,该行业正逐步向市场导向转型。护理机构将院护服务、智能医疗设施和日常生活协助整合为标准化服务,并直接向老年人提供。在这种情况下,提供高质量的服务体验对于提升机构的市场竞争力和营销效果至关重要。因此,伴侣机器人被引入越来越多的老年人护理环境中,以减轻护理人员的工作负担并提供持续陪伴(Takanokura et al., 2021; Lee et al., 2024)。近年来,体化机器人技术和生成式人工智能的进步显著增强了伴侣机器人的互动能力,使其在护理协助、情感陪伴和多模态日常互动方面的服务价值日益显著(Irfan et al., 2025; Liang et al., 2025)。进入养老院往往会使老年人与长期的亲属、朋友和邻居网络分离,减少他们的日常社交互动,从而增加他们对归属感的需求。社会归属感——即在被社会环境接纳、尊重、关心和支持中的稳定感受——对老年人的心理健康和主观幸福感至关重要(Rijnaard et al., 2016; VanSteenwinkel et al., 2017; Wang et al., 2022)。同时,慢性疾病的增加、认知能力下降和心理困扰使得老年人护理的复杂性和工作负担加重(Syed et al., 2025)。伴侣机器人可以提供功能性和社交支持,例如提供路线引导、日常提醒和健康信息,从而减轻护理人员的工作负担(Takanokura et al., 2021; Ferrante et al., 2021)。它们拟人化的外表和积极倾听的能力也有助于促进对话,缓解孤独感(Nishio et al., 2021; Liang et al., 2025; Wang et al., 2025)。尽管现有研究表明伴侣机器人能够缓解孤独感和提升情绪幸福感(Fardeau et al., 2023; Hoorn, 2018; Bevilacqua et al., 2025),但较少关注社会归属感作为一种更深层次和持久的心理体验。社会归属感不仅包括即时缓解孤独感,还包括在社会系统中的稳定联系、接纳和包容感(Ilkka et al., 2025)。因此,需要进一步研究来确定伴侣机器人是否能够增强老年人的社会归属感并改善他们在护理机构中的整体服务体验。
**Lee等人(2021)并未将归属感视为单一反应。他们区分了认同群体、对群体的依恋以及参与群体。这些体验可以重叠,但并非必须如此。消费者可能认同某个群体而不太关心它,或者可能在不予参与的情况下仍然关心它。品牌社区使这种区别变得明显,因为共同的身份可以同时支持联系和自我表达(Khalifa and Shukla, 2017; Miliopoulou, 2021)。社交媒体为同样的认同需求提供了不同的平台(Chang et al., 2019)。**
机构护理使这一问题更加具体化。行动不便的居民可能会错过集体活动,随着时间的推移可能逐渐被边缘化(Kang et al., 2020)。抑郁和认知能力下降与长期缺乏归属感有关(Derrer-Merk et al., 2022)。机器人已经能够提供路线引导和跌倒警报(He et al., 2023; Lee et al., 2024);拟人化沟通为这一实用功能增添了社交元素(Esmaeilzadeh and Maddah, 2024; Liang et al., 2025)。Xu等人(2024)认为互动功能可能有助于建立联系和促进心理社会参与。但尚未深入探讨居民对这些互动的解读,特别是哪些关于机器人的感知与机构内的归属感相关。**
本研究考察了养老机构中老年人使用伴侣机器人的服务体验,并基于认知-情感-意向(CAC)框架,构建了一个综合模型,探讨老年人对伴侣机器人互动的感知与社会归属感之间的关联,以及社会归属感与他们采用伴侣机器人意愿之间的关系。通过研究人机互动中与社会归属感相关的因素,该研究将CAC框架和归属感理论的应用扩展到了智能化老年人护理服务的营销领域。
**老年护理中的伴侣机器人服务**
越来越多的实证研究探讨了老年人在护理环境中使用伴侣机器人的体验。这些研究主要关注两个方面:伴侣机器人的实施和接受情况,以及人机关系中的情感体验和互动设计(如表1所示)。
**拟人化**
拟人化是指将人类特性赋予非人类物体(Epley et al., 2007; Blut et al., 2021; Mazhar et al., 2026a, Mazhar et al., 2026b)。在机器人互动中,这种特征可能表现为声音、面部设计、动作或明显的情感反应。这些特征的作用方式各不相同。熟悉的声音可能有助于促进对话,而非常逼真的外观可能会让用户感到不安。我们的研究重点关注这些特征是否提供了足够的社交信息,使居民能够理解机器人的意图。
**研究背景**
数据采集自四川省成都国际老年护理社区(Taibao Home)。该机构是大型专业管理的护理机构,与该项目的关联性体现在其与中科源代码服务机器人研究所的正式合作上——这是中国最早建立的合作关系之一,且Yang Yang伴侣机器人正在该机构中得到常规应用。
**方法与分析**
偏最小二乘结构方程建模(PLS-SEM)适用于较小到中等规模的样本,并且对数据正态性的要求低于基于协方差的结构方程建模(CB-SEM)(Hair et al., 2014, 2017)。所有测量模型和结构模型分析均使用SmartPLS软件完成。通过5000次重采样进行非参数自助法,以评估路径系数、间接关联和交互项的统计显著性。
**讨论与结论**
利用养老院的实地数据,本研究使用PLS-SEM验证了提出的CAC序列,将居民对人机互动的评估与社会归属感联系起来,并进一步探讨了人工智能素养对这种关系的调节作用。研究结果支持了H1-H4假设:拟人化、尊重、自主性和社交支持等互动感知均与社会归属感呈正相关。
**理论意义**
本研究的一个理论贡献是将社会归属感作为中介变量纳入考量。以往关于伴侣机器人的研究主要集中在这些系统是否有用、是否可接受或能否提供陪伴上(Sun et al., 2025),但并未充分探讨重复短暂互动的潜在关系意义。尽管van Doorn和Telussa(2026)研究了拟人化现象,Xu等人(2024)研究了自主性,但这些研究尚未深入探讨这些现象的社会心理效应。
**实际意义**
首先,伴侣机器人开发者和护理机构应选择并设计具有适当拟人化特征的机器人。研究结果表明,老年人对拟人化的感知与其社会归属感之间存在正相关。在选择和购买机器人时,护理机构应同时考虑社交互动性能和健康监测、安全警报等实用功能。开发者应保持适度的拟人化程度。
**局限性与未来研究方向**
本研究存在一些局限性,解释结果时需予以注意。首先,采用横断面调查设计,虽然统计模型显示了机器人交互特征、社会归属感和采用意愿之间的显著关联,但无法得出因果结论,仅能反映单一时间点的变量关系。未来研究应采用纵向或实验设计,进行多波数据分析。
**作者贡献**
Ma Wenju:撰写——审稿与编辑、初稿撰写、监督;Jiang Yushi:监督、资源协调;Khayyam Muhammad:初稿撰写;Zhu Jiaji:验证、数据整理与概念化。
**写作过程中使用的人工智能技术**
在准备手稿过程中,作者使用了Grammarly、QuillBot和ChatGPT工具来提升语法和可读性,并对最终文本进行了必要的修订。
**资金支持**
本研究得到了国家自然科学基金青年科学基金(项目编号72602109)和国家自然科学基金(项目编号72672149)的支持。
**利益冲突声明**
作者声明没有已知的可能影响本研究结果的财务利益或个人关系。